نوشته‌ها

اولین دوره ‏ی جامع تخصصی و عملی برای دانشجویان مهندسی پزشکی در مشهد

ویژگی های اصلی دوره

یکی از مشخصه های برجسته ی دوره ی جامع تخصصی و عملی این است که برای اولین بار در ایران برگزار می شود و همانطور که از عنوان دوره مشخص است تنها دوره ای است که سعی شده تمام مباحث مهندسی پزشکی را پوشش دهد!

در این دوره علاوه بر مباحث شناسایی آماری الگو و داده کاوی، چندین پروژه عملی مطابق با مقالات معتبر آموزش داده می شود که دانشجویان با پروژه های مختلفی در حوزه مهندسی پزشکی آشنا شده و بعد از دوره دید بهتری نسبت به مباحث مهندسی پزشکی پیدا می کنند و با آگاهی کامل موضوعات مورد علاقه شان را برای پایان نامه انتخاب کنند.

نکته: این دوره کاملا تخصصی است و مخصوص دانشجویان ارشد و دکتری هست. برای دانشجویان کارشناسی توصیه نمیشود!

 

البته یه سری دوستان غیرمهندسی پزشکی با توجه به عنوان دوره،  مهندسی پزشکی هست دید مناسبی از محتوای دوره ندارند، که باید بگوییم هدف و تمرکز  این  دوره بر روی مباحث درس شناسایی آماری الگو (پترن) و درس داده کاوی است که اساس تمام پروژه های مهندسی در شاخه های مختلف است.

سعی ما براین است که مباحث این دو درس را کامل آموزش دهیم و برای اینکه مطلب ملموس‌تر شوند، الگوریتم‌ها را روی داده های واقعی اعمال می‌کنیم. داده هایی که در این دوره استفاده می شود داده های مرتبط با مهندسی پزشکی است.

بطبع این دوره برای دوستان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها می دهد. پروژه‌هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میشود را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.

 بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناسی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف این است که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی و در انجام پروژه پایان‌نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده‌های مختلف را نیز آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.

همانطور که گفتیم هدف اصلی از برگزاری دوره این است که مباحث تخصصی را پروژه محور آموزش دهیم تا شرکت‌کنندگان بعد از اتمام دوره، بتوانند پایان‌نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه‌نویسی در متلب، تجزیه و تحلیل داده‌ها نداشته باشند.

 تو این چند سال متوجه شدیم که اکثر دوستان مهندسی پزشکی مباحث را بلدند ولی در پیاده‌سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. علاوه بر آموزش مباحث درس شناسایی آماری الگو و داده کاوی، ۵ پروژه عملی از صفر تا صد در متلب پیاده‌سازی می‌شوند و شرکت‌کنندگان با موضوعات مختلفی آشنا شده و کار با داده‌های مختلف پزشکی را یاد می‌گیرند.


ادامه مطلب …

اولین دوره ی عملی شبکه های عصبی در مشهد

 

اولین وجه تمایز این دوره ی  پیاده سازی شبکه های عصبی در نرم افزار متلب  با سایر دوره ها این است که در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نمی‌شود بلکه نحوه‌ی پیاده‎سازی شبکه های عصبی  بطور کامل آموزش داده می­شود.

 

  • در این دوره نحوه پیاده‌سازی شبکه های عصبی آموزش داده می شود و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده می‌شود، در پیاده‌سازی شبکه‌ها، بهبود شبکه‌ها، شبیه‌سازی مقالات و استفاده از شبکه‌ها در پروژه‌های عملی دچار مشکل نخواهند شد.

◊ در این دوره سعی بر این است که تمام مباحث کتاب معروف Siomon Haykin آموزش داده شود. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه‌های عصبی است که در بیشتر دانشگاه‌های داخل و خارج کشور تدریس می‌شود.  در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده می‌شود و سپس به طور گام به گام در متلب پیاده‌سازی می‌شود.

◊ علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNN و  ELMرا طبق مقالات معتبر پیاده‌سازی می­کنیم که از این طریق شرکت‌کنندگان با پیاده‌سازی مقالات نیز آشنا می‌شوند.

سرفصل مطالبی که در دوره عملی پیاده‌سازی شبکه‌های عصبی در متلب آموزش داده می‌شوند: ادامه مطلب …

پایان اولین دوره ی شبکه های عصبی در تهران

دوره ی پیاده سازی شبکه های عصبی به پایان رسید و لازمه که از همینجا از همه شرکت کنندگان بخاطر شرکت در این دوره تشکر کنیم و امیدواریم که این دوره برای دوستان مفید بوده باشه.

 لازمه که مروری داشته باشیم به مباحثی که در این دوره آموزش داده شد تا از این طریق دوستان دیگه ای که علاقه مند به یادگیری این مباحث هستند در دوره های بعد شرکت کنند.

وجه تمایز این دوره با دوره های دیگه این بود که اولا در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نشد بلکه نحوه ی پیاده سازی شبکه ها بطور کامل آموزش داده شد! (چون باور داریم که یک مهندس باید خودش کد بنویسه نه اینکه از منابع آماده استفاده کنه).

استفاده از شبکه عصبی آماده برای شخصی که مهندسی نمیخونه و صرفا مصرف کننده هست مناسب هست.

  1. در این دوره نحوه پیاده سازی شبکه های عصبی آموزش داده شد و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده شد، در پیاده سازی شبکه ها، بهبود شبکه ها، شبیه سازی مقالات و استفاده از شبکه ها در پروژه های عملی دچار مشکل نخواهند شد.
  2.  در این دوره سعی بر این بوده است که تمام مباحث کتاب معروف Siomon Haykin را آموزش بدیم.
  3. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه های عصبی است که در بیشتر دانشگاههای داخل و خارج کشور تدریس می شود.
  4. در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده شد و سپس به طور گام به گام در متلب پیاده سازی شد.
  5. علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNNو ELM (بانظارت – که جهت کلاسبندی و پیش بینی استفاده می شوند) را طبق مقالات معتبر پیاده سازی کردیم که از این طریق شرکت کنندگان با پیاده سازی مقالات نیز آشنا شدند.
  6. تمامی شبکه ها در متلب پیاده سازی و سپس در پروژه‌های عملی استفاده شدند!

وجه تمایز دیگه ای این دوره با دوره های دیگه این بود که این دوره کاملا پروژه محور بود و در طول دوره پروژه های مختلفی با شبکه های عصبی انجام شد.

 

پروژه هایی که در دوره آموزش داده شدند:

◦ تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
◦ تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
◦ تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی (ELM(Extreme learning machine
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی احتمالی (PNN)
◦ کلاسبندی داده های سه کلاسه iris# (داده ی معروف در سایت uci) با استفاده از شبکه هایی عصبی
-(Pnn -Elm -Rbf -MLP (back propagation)- MLP (delta bar delat)-MLP (delta delta.

◦ خوشه_بندی با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری رقابتی(som)
◦ پیاده سازی الگوریتم PCA(تجزیه مولفه های اساسی) با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری هببین
◦ کلاسبندی داده های دوکلاسه و #چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
◦ تخمین کیفیت شراب با استفاده از شبکه های عصبی
◦ پیش_بینی نرخ ارز با استفاده از شبکه های عصبی

با پیاده سازی این پروژه ها ، دوستان با مباحث مرتبط با تقسیم داده(روش معمول (۷۰-۳۰) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل گذاری داده، تعیین مدل بهینه آشنا شدند.

 


دوره ی بعدی مهرماه در مشهد برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند.

۰۹۳۶-۰۳۸-۲۶۸۷

Bio_Engineerr@
مدرس دوره: مهندس محمد نوری زاده چرلو

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال